抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
多重ネットワークに関するスペクトル推論はグラフ統計の急速に発展するサブフィールドである。最近の研究では,複数の独立ネットワークの同時スペクトル埋込みが,それらの同一ネットワークの個々のスペクトル分解よりも,より正確な推定を提供できることを実証した。そのような推論手続きは,典型的には,多重ネットワーク実現にわたる独立仮定に大きく依存しており,この場合でさえ,そのような結合埋込みにおける誘導ネットワーク相関にはほとんど注意が払われていない。ここでは,一般化された全バス埋込み方法論を提示し,独立および相関ネットワークの両方にわたるこの埋込みの詳細な解析を提供し,後者はそのような手順の到達範囲を著しく拡張する。著者らは,この全バス埋込みが,どのように相関を誘導できるかを記述し,固有相関,すなわち,多重サンプルネットワークデータで自然に起こる相関,および結合埋込み方法論の最先端である誘導相関を区別した。一般化された全バス埋込み手続きは柔軟でロバストであり,埋込み点に対する一貫性と中心極限定理の両方を証明した。誘導と固有相関がネットワーク時系列データの推論にいかに影響するかを調べ,より一般的な相関データに対する有効サンプルサイズのような古典的質問のネットワークアナログを提供した。さらに,著者らは,適切に較正された一般化オムバス埋込みが,以前の埋込み手順が識別できない実際の生物学的ネットワークにおける変化を検出することができ,固有および誘導相関の影響が,理論および実践における輸入によって,微妙なおよび変換可能であることを確認した。【JST・京大機械翻訳】